朱贏鵬，潘聰華，謝怡杰，張夏良，王健

(浙江水利水電學(xué)院機(jī)械與汽車工程學(xué)院，浙江杭州 310018)

?

基于BP神經(jīng)網(wǎng)絡(luò)PID的四輪智能車循跡控制仿真研究

朱贏鵬，潘聰華，謝怡杰，張夏良，王健

(浙江水利水電學(xué)院機(jī)械與汽車工程學(xué)院，浙江杭州 310018)

四輪智能車在按既定路線循跡過(guò)程中，由于車輛受地面復(fù)雜因素的影響，導(dǎo)致車輛偏離或離開(kāi)預(yù)定路線。利用神經(jīng)網(wǎng)絡(luò)的良好自適應(yīng)特性和PID控制策略容易實(shí)現(xiàn)的特點(diǎn)，提出神經(jīng)網(wǎng)絡(luò)PID來(lái)控制四輪智能車循跡。通過(guò)MATLAB動(dòng)態(tài)仿真，結(jié)果顯示該算法可以準(zhǔn)確實(shí)現(xiàn)循跡控制。

智能車；神經(jīng)網(wǎng)絡(luò)；PID；循跡

0 引言

具有循跡功能的四輪智能車是自動(dòng)導(dǎo)引車輛AGV的一種類型，是按既定軌跡自動(dòng)駕駛、從出發(fā)地到目的地完成給定任務(wù)的智能車輛[1]。在循跡車輛研究領(lǐng)域，目前主要集中在縱向跟蹤控制和側(cè)向跟蹤控制算法研究，1960年，PEFENTON等開(kāi)始利用經(jīng)典控制方法建立了車輛側(cè)向跟蹤控制系統(tǒng)模型；1981年，MACADAM等總結(jié)出駕駛員駕駛過(guò)程中的路徑預(yù)瞄特點(diǎn)；隨后，SESHTADOVER提出控制的參數(shù)要隨車速變化。EDWARD提出將縱向跟蹤控制和側(cè)向跟蹤控制聯(lián)動(dòng)。在車輛自動(dòng)駕駛控制方面，目前主流的方法是根據(jù)車輛運(yùn)動(dòng)學(xué)模型和動(dòng)力學(xué)模型建立設(shè)計(jì)車輛循跡控制器[2-4]，但是由于實(shí)際路面情況復(fù)雜，車輛過(guò)彎不同、加減速不同以及貨物質(zhì)量的不確定變化等因素的存在，循跡控制器更適合使用非線性控制策略，為此作者提出了基于BP神經(jīng)網(wǎng)絡(luò)PID的四輪智能車循跡控制。

1 四輪智能車循跡預(yù)瞄模型建立

四輪智能車循跡工作模式是通過(guò)預(yù)瞄前方軌跡來(lái)判斷車與軌跡相對(duì)位置，循跡系統(tǒng)計(jì)算出被跟蹤軌跡F(x)與車輛實(shí)際位置偏差后實(shí)時(shí)調(diào)整車輛轉(zhuǎn)向?qū)崿F(xiàn)循跡控制。具體的實(shí)現(xiàn)方式如圖1所示。車輛在xOy坐標(biāo)系下，要跟蹤的軌跡F(x)是橫向行駛距離x的函數(shù)，軌跡沒(méi)有突變即F′(x)比較小，x軸方向速度約等于車輛速度。根據(jù)圖1所示，車輛當(dāng)前位置(x0，y0，φ0)， 假設(shè)車輛縱向速度為v，車輛位置到預(yù)瞄前方軌跡時(shí)間為t，則預(yù)瞄點(diǎn)B的位置為(x0+vt，F(xiàn)(x0+vt)，F(xiàn)′(x0+vt))。 車輛以v行駛t時(shí)間達(dá)到B′，此時(shí)與預(yù)瞄點(diǎn)B的偏差可以表示為：

Δy=F(x0+vt)-y0-vyt

Δφ=F′(x0+vt)-φ0

控制器輸入誤差：

e=Δy+kΔφ

圖1 四輪智能車循跡預(yù)瞄原理圖

2 BP神經(jīng)網(wǎng)絡(luò)PID控制模型建立

BP神經(jīng)網(wǎng)絡(luò)PID控制器是利用神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)調(diào)節(jié)PID的3個(gè)參數(shù)，根據(jù)系統(tǒng)運(yùn)行狀態(tài)自適應(yīng)地實(shí)現(xiàn)性能指標(biāo)達(dá)到最優(yōu)。BP神經(jīng)網(wǎng)絡(luò)的輸出神經(jīng)元對(duì)應(yīng)于PID的3個(gè)可調(diào)參數(shù)Kp、Ki、Kd，經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)的不斷學(xué)習(xí)和加權(quán)系數(shù)的調(diào)整可以得到最優(yōu)的PID參數(shù)，再通過(guò)PID的閉環(huán)控制就可以實(shí)現(xiàn)自適應(yīng)控制?？刂破鞯目刂七^(guò)程如圖2所示。

圖2 基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)PID控制器的控制器結(jié)構(gòu)

該控制器的算法如下：

(2)采樣得到當(dāng)前時(shí)刻的輸入和輸出(yB(t)，φB(t))和(yB′(t-1)，φB′(t-1))， 此時(shí)刻的控制誤差e(t)=Δy+kΔφ；

(3)計(jì)算BP網(wǎng)絡(luò)各層神經(jīng)元的輸入和輸出，BP的輸出為PID控制器的3個(gè)在線可調(diào)參數(shù)Kp、Ki、Kd；

(4)PID控制器的輸出：

u(t)=u(t-1)+Kp(e(t)-e(t-1))+Kie(t)+Kd(e(t)-2e(t-1)+e(t-2))

(6)置t=t+1，再進(jìn)入步驟(1)進(jìn)行循環(huán)。

3 四輪智能車循跡控制仿真

確定PID參數(shù)調(diào)節(jié)的BP神經(jīng)網(wǎng)絡(luò)為3層結(jié)構(gòu)網(wǎng)絡(luò)，其學(xué)習(xí)速度為0.25、慣性系數(shù)為0.05，加權(quán)系數(shù)初值取區(qū)間[-0.5,0.5]上的隨機(jī)數(shù)。

真實(shí)軌跡方程為：

y=sint+sintcost+1

神經(jīng)網(wǎng)絡(luò)的初始權(quán)值設(shè)定為隨機(jī)值，等系統(tǒng)運(yùn)行穩(wěn)定后，將穩(wěn)定權(quán)值自動(dòng)設(shè)置為神經(jīng)網(wǎng)絡(luò)權(quán)值。循跡結(jié)果和相應(yīng)的曲線見(jiàn)圖3—5。

圖3 真實(shí)軌跡和計(jì)算軌跡對(duì)比

圖4 計(jì)算軌跡調(diào)整過(guò)程

系統(tǒng)在0～0.05s區(qū)間里，計(jì)算軌跡震蕩比較嚴(yán)重，在0～0.1s區(qū)間計(jì)算軌跡逐步趨于穩(wěn)定。震蕩軌跡產(chǎn)生的主要原因是BP神經(jīng)網(wǎng)絡(luò)在調(diào)整PID的3個(gè)參數(shù)，見(jiàn)圖5。t=0.1s之后計(jì)算軌跡和真實(shí)軌跡完全重合。在t=0.1s之后，PID的3個(gè)參數(shù)根據(jù)具體輸入和輸出繼續(xù)進(jìn)行微調(diào)整。Kp在t=4～6s區(qū)間里調(diào)整明顯，主要原因是真實(shí)軌跡變化明顯，由凸變化為凹波形；Ki、Kd的變化比較平緩。

圖5 BP神經(jīng)網(wǎng)絡(luò)調(diào)整PID的3個(gè)參數(shù)過(guò)程

4 總結(jié)

(1)BP神經(jīng)網(wǎng)絡(luò)通過(guò)信號(hào)的正向和反向，不斷比較期望的PID參數(shù)和實(shí)際值，層層修正神經(jīng)元權(quán)值，在0.1s內(nèi)將Kp、Ki、Kd調(diào)整到穩(wěn)定值，并隨著輸入輸出信號(hào)的變化能實(shí)時(shí)微調(diào)。

(2)通過(guò)MATLAB仿真計(jì)算，計(jì)算軌跡在0.1s內(nèi)調(diào)整到和真實(shí)軌跡重合，這意味著控制系統(tǒng)能在極短時(shí)間內(nèi)將Δy、Δφ控制在最小，可以保證循跡車快速初始化，隨后穩(wěn)定沿著預(yù)定軌跡循跡前行。

【1】任柯燕,顧幸生,黃敬平,等.基于模糊PID對(duì)AGV的糾偏控制[J].控制工程,2006，13(9):54-57.

【2】肖文健,李永科.基于增量式PID控制算法的智能車設(shè)計(jì)[J].信息技術(shù),2012(10):125-127．

【3】林煥新,胡躍明,陳安.基于自適應(yīng)模糊控制的智能車控制系統(tǒng)研究[J].計(jì)算機(jī)測(cè)量與控制，2011，19(1):78-80．

【4】黃志強(qiáng).基于CCD攝像頭智能車分段PID控制算法設(shè)計(jì)[J].電子設(shè)計(jì)工程,2011,19(2):55-57．

SimulationoftheFourWheelsIntelligentVehicleTrackingControlBasedonBPNNPID

ZHUYingpeng,PANConghua,XIEYijie,ZHANGXialiang,WANGJian

(MechanicalandAutomotiveEngineeringCollege,ZhejiangUniversityofWaterResourcesandElectricPower,HangzhouZhejiang310018,China)

Whenthesmartcarwithfourwheelstrackstheestablishedroute,duetocomplexfactorsoftheground,thevehicledeviatesfromthepredeterminedroute.UsingBPNNwithgoodadaptivecharacteristicsandPIDcontrolstrategyeasytoimplement,BPNNPIDwasputforwardtocontrolthefourwheeledintelligentvehicletracking.TheresultofMATLABsimulationshowsthattheproposedalgorithmcanachieveaccuratetrackingcontrol.

Intelligentvehicle;Neuralnetwork;PID;Tracking

2015-11-12

2014年浙江省新苗計(jì)劃資助項(xiàng)目(2014R432008)

朱贏鵬，男，本科，主要從事循跡車研究。E-mail：6787135@qq.com。

U

A